软件定义汽车多年，车企仍把35%的开发时间耗在底层

软件定义汽车发展多年，汽车行业似乎正在陷入一个新的矛盾：一方面，智能汽车的功能越来越丰富，车企不断加快产品迭代速度；另一方面，汽车软件开发者却发现，自己仍然需要将大量时间花费在重复性的底层工作上。

10月22日，BlackBerry旗下QNX发布2026年《驱动未来：SDV开发者报告》。这份覆盖中国、美国、德国、日本等八个主要汽车市场、1100名汽车软件开发者的调研，揭示了软件定义汽车（SDV）从技术愿景走向规模化落地过程中，正在面临的效率困境。

报告显示，全球汽车软件开发者平均将35%的时间用于基础软件集成，包括操作系统与中间件对接、系统适配及配置等工作。与此同时，79%的受访者表示，来自竞争对手更快迭代的压力正在增加，75%的受访者认为，缺乏通用、可复用的基础软件平台正在拖慢SDV开发进程。

更值得关注的是，只有9%的受访者表示，其团队主要聚焦应用层特性和面向用户的功能开发。相反，63%的受访者表示，团队在基础软件与应用层开发之间投入的工作量大致相当，另有28%主要聚焦基础软件。

这些数据揭示了汽车行业一个长期存在、却容易被忽视的问题。

过去几年，汽车企业不断强调软件自研能力，操作系统、智能驾驶算法、智能座舱以及电子电气架构，都成为车企争夺技术话语权的重要领域。但随着软件规模扩大、功能持续增加，越来越多的研发资源被消耗在复杂的集成、适配、测试和验证过程中。

当软件定义汽车逐渐成为行业共识，真正限制创新效率的，可能已经不是车企能否开发更多功能，而是能否摆脱重复开发带来的资源消耗。

软件定义汽车多年，为什么车企仍在重复开发？

软件定义汽车最初被寄予厚望，是因为它有望改变传统汽车漫长而封闭的研发周期。

燃油车时代，汽车功能高度依赖硬件配置，一款车型在上市时基本决定了其整个生命周期内的主要功能。软件定义汽车则试图打破这一限制，让车辆能够通过软件更新持续改善功能、优化体验，并延长产品的技术生命周期。

但软件开发能力增强，并不意味着开发效率一定提高。

随着汽车电子电气架构向集中式计算演进，车辆需要同时处理智能驾驶、智能座舱、动力控制、车身控制、能源管理以及网络通信等复杂任务。不同功能对实时性、安全性和可靠性的要求存在差异，软件系统之间的依赖关系也越来越复杂。

这使得汽车软件开发逐渐从单一功能开发，转向跨硬件、跨操作系统、跨车型平台的系统工程。

QNX的调研数据恰恰反映了这种变化。

2026年，44%的受访开发者将调试与测试列为软件开发的主要挑战，高于2025年的36%；39%的受访者认为集成复杂性是重要障碍，高于上一年的36%；另有37%的受访者认为开发周期过长。

值得注意的是，开发者对研发环境效率的评价也出现下降。

2025年，约30%的受访者认为开发环境效率达到“优秀”水平，2026年这一比例下降至20%。认为开发环境达到“优秀”或“良好”的比例，也从86%下降至81%。

这说明，尽管汽车软件开发工具和基础设施不断完善，但随着软件系统复杂程度提高，开发者并没有普遍感受到效率的同步改善。

更深层的问题在于，汽车行业尚未充分建立可跨车型、跨平台复用的基础软件体系。

按照QNX的调研结果，全球只有22%的受访者表示，所在企业能够在大多数车辆项目或ECU域之间广泛复用同一套基础软件平台。68%的受访者表示，企业仅在部分项目中复用基础软件，其他项目仍然需要定制开发。

中国市场的情况更加值得关注。

在中国受访者中，仅12%表示所在企业广泛复用基础软件平台，低于全球22%的平均水平，也低于美国的28%和韩国的27%。与此同时，82%的中国受访者表示，企业采取的是部分项目共享平台、其他项目定制开发的模式。

这组数据并不意味着中国车企的软件技术能力落后。它反映的是，在快速推出新车型、持续迭代产品和推进智能化差异化的过程中，中国汽车产业可能面临更突出的软件平台复用挑战。

过去几年，中国新能源汽车企业普遍采用较快的产品开发节奏，不同品牌、不同车型之间的智能化配置和功能定位也存在明显差异。

快速开发能够帮助企业及时响应市场需求，但如果每推出一个新车型、每升级一次电子电气架构，都需要重新开展大量底层软件集成和适配工作，研发效率就可能受到影响。

这种问题在规模化阶段会被进一步放大。

一家车企只有少量车型时，定制化软件开发尚且能够依靠研发团队投入解决。但当企业同时运营多个品牌、多个技术平台，并面向全球市场推出大量车型时，重复开发不仅意味着更高的人力成本，还可能带来软件版本碎片化、测试工作量增加以及后续维护复杂等问题。

汽车企业真正需要解决的，并不是如何让每个研发团队都具备从零开发软件的能力，而是如何避免不同团队反复解决相同的问题。

这也是为什么76%的受访开发者认为，OEM应该将更多资源投入应用层创新，而不是重复建设基础软件。

当被问及如何释放更多应用层开发资源时，46%的受访者选择改善开发工具与环境之间的集成，38%选择提高不同车辆项目之间的软件复用程度，34%则认为采用预集成的基础软件平台能够改善开发效率。

这些答案共同指向一个方向：软件定义汽车进入规模化发展阶段之后，基础软件平台化正在变得越来越重要。

不过，平台化并不意味着车企应该放弃核心软件自研。

对于智能驾驶算法、整车控制策略、用户交互和数据闭环等直接影响产品差异化的能力，车企仍然需要掌握足够的技术主动权。

真正需要重新审视的，是那些难以直接形成用户感知差异，却需要持续投入大量工程资源的基础性开发工作。

在亿欧汽车看来，软件自研的价值，不应简单通过代码数量、研发团队规模或者自研覆盖率衡量。

一家车企拥有多少软件代码，并不必然等于它拥有多强的软件竞争力。能够将有限的研发资源持续投入真正创造差异化价值的领域，才是更重要的能力。

汽车软件竞争的下一阶段，拼的是平台能力与安全底座

当软件定义汽车进入规模化应用阶段，行业竞争正在发生另一项变化：软件开发不仅需要更快，还必须更加安全、可靠和可持续。

QNX报告显示，2026年，48%的受访者将网络信息安全威胁列为未来汽车软件开发最主要的担忧之一，高于2025年的43%。

与此同时，83%的受访者认为，未来三年软件定义汽车有可能成为网络攻击的主要目标。

在中国市场，开发者对这一问题的关注更加突出。54%的中国受访者将网络信息安全威胁视为未来汽车软件开发的重要担忧，较上一年增加15个百分点，高于48%的全球平均水平。

这背后反映的是汽车产品属性的变化。

传统汽车的安全主要围绕机械结构、动力系统和车辆运行展开。但随着汽车持续联网、远程升级能力增强，以及越来越多的车辆功能由软件控制，汽车面临的风险边界也在不断扩大。

软件故障可能影响车辆功能，网络攻击可能威胁数据和系统安全，而复杂的软件依赖关系，也可能让局部问题扩散至其他功能模块。

因此，汽车软件开发已经不能只关注功能是否能够实现，还必须关注系统能否在复杂环境下长期稳定运行。

QNX报告显示，95%的受访者认为功能安全在汽车软件开发中十分重要。对于未来五年最关键的软件开发技能，中国受访者将功能安全和网络信息安全放在突出位置，选择比例分别达到69%和64%。

与此同时，全球汽车软件监管要求也在不断增加。

根据报告披露的数据，仅2025年，全球就新增700多项直接影响车载技术开发的法规或立法提案，高于上一年度约500项的水平。33%的受访者表示，新的法规或立法要求导致了软件开发进度延迟。

其中，网络信息安全、软件更新与OTA合规、数据隐私，是受访者认为较难满足的主要监管要求。

对于同时面向中国、欧洲、北美等多个市场销售汽车的企业而言，软件开发不仅要满足不同国家的技术要求，还需要适应不同的监管体系。

这意味着，全球化车企的软件竞争力，已经不再只是开发功能的速度，还包括跨市场合规、持续验证和长期维护的能力。

如果每一款车型都需要独立完成大量底层软件开发与安全认证，企业的全球化成本就可能随着车型数量增加而不断上升。

而如果能够建立通用、可靠且可复用的基础软件平台，车企就有机会将更多工程资源投入产品功能开发，同时降低重复验证和维护带来的负担。

这也是为什么97%的受访者认为，涉及操作系统、中间件和硬件集成的平台工程将在未来五年发挥重要作用。

对于QNX这样的基础软件供应商而言，这显然意味着新的市场机会。但从整车企业的角度看，问题并不是简单地选择自研还是采购，而是如何划分不同软件层级的技术边界。

基础软件需要满足实时性、稳定性、功能安全和网络信息安全要求；应用层则更加直接地决定智能座舱、智能驾驶和用户体验。

两者都很重要，但并不一定需要采用相同的研发模式。

未来汽车软件产业链的专业化分工，可能不是削弱整车企业的软件能力，而是让车企更加集中地掌握真正决定产品竞争力的技术。

AI的应用则为这一变化提供了新的可能。

过去两年，人工智能被广泛认为将彻底改变软件开发方式。但QNX此次调研显示，汽车开发者对AI的预期正在趋于务实。

认为AI将给汽车软件开发带来“变革性”影响的受访者比例，从此前的36%下降至25%；与此同时，认为AI将在日常开发流程中发挥重要作用的比例，却从55%上升至62%。

这两组看似矛盾的数据，实际上揭示了行业对AI认知的成熟。

开发者不再只是期待AI彻底替代传统软件开发流程，而是更加关注它能否帮助团队提高代码开发、测试验证、问题定位和日常协作的效率。

对于汽车软件行业而言，这种变化尤其重要。

因为汽车并不是一个可以容忍频繁软件故障的普通消费电子产品。即便AI能够提高代码生成效率，涉及车辆控制和功能安全的软件，仍然需要经过严格的工程验证。

因此，AI的价值并不是让汽车软件开发摆脱工程纪律，而是帮助开发者在可靠的软件架构和验证体系之上，提高研发效率。

值得关注的是，中国受访者对于AI应用的预期也呈现出不同特点。

26%的中国受访开发者认为，未来三年AI将在车内体验和个性化方面产生最大影响，高于全球16%的平均水平。

这与中国智能汽车市场高度重视智能座舱、交互体验和功能创新的竞争环境具有一定关联。

但对于中国车企而言，真正需要思考的是，如何在持续推出创新功能的同时，建立足以支撑这些功能长期运行的软件基础设施。

如果基础软件架构缺乏足够的稳定性和可复用性，那么应用层创新越快，底层系统的维护压力就可能越大。

反过来，如果能够建立成熟的软件平台、统一的开发工具链和持续验证机制，车企就有机会在不同车型之间复用更多技术成果，让软件创新从单一车型开发转向平台化迭代。

这也意味着，汽车软件开发正在从依赖单个项目团队的工程能力，逐渐转向依赖企业整体的软件平台能力。

在亿欧汽车看来，QNX此次报告揭示的核心问题，并不是汽车软件开发者工作效率不够高，而是软件定义汽车的产业组织方式，尚未完全适应快速创新和规模化发展的要求。

过去，车企通过扩大研发团队、增加软件投入和提高自研比例，快速建立了智能化能力。

但随着汽车软件系统越来越复杂，单纯增加研发资源，已经难以解决重复开发、集成复杂和维护成本不断上升的问题。

下一阶段，汽车企业需要重新回答一个问题：哪些技术必须自己掌握，哪些能力应该通过平台化实现复用，哪些基础性工作可以通过产业协作提高效率？

这并不是一道简单的自研与外购选择题，而是对企业技术战略、研发组织和产业分工能力的综合考验。

软件定义汽车的真正成熟，不是让每一家车企都成为一家从零开发所有软件的公司，而是让汽车企业能够在可靠的软件基础之上，更高效地创造用户真正需要的功能。

从这个角度来看，汽车软件竞争的下一阶段，可能不再是谁写出了更多代码，而是谁能够用更少的重复开发，创造更多的产品价值。

当软件定义汽车逐渐从技术概念走向产业现实，如何管理软件复杂性，正在成为比单纯增加软件功能更加重要的竞争命题。